O diagnóstico de falhas incipientes em transformadores de força, com base na análise dos gases
dissolvidos no óleo isolante, é o método mais utilizado em ocasiões que envolvam manutenções
preventivas, preditivas ou corretivas no equipamento. É essencial garantir a operação contínua
do transformador de força e evitar possíveis falhas que possam ocorrer devido ao seu ciclo de
vida natural ou arranjo elétrico a que são submetidos. Atualmente, o método do triângulo de
Duval é uma das técnicas tradicionais mais utilizadas na Análise de Gases Dissolvidos(DGA,
do Ingles Dissolved Gas Analysis), porém, esta técnica tem mostrado precisão limitada. Para
superar os problemas de desempenho convencionais, técnicas de Inteligência Computacional
como Redes Neurais, Sistemas Difusos e, mais recentemente, Árvores de Decisão(DT, do inglês
Decision Tree) foram propostas como métodos para análise de gases dissolvidos. Este trabalho
mostra que o algoritmo de Árvores de Decisão, usando a taxa de ganho como uma métrica para
seleção de atributos, foi capaz de extrair o máximo de informação destes, e fornecer uma solução
para casos não resolvidos usando métodos tradicionais. Mostrou-se também que os atributos
mapeados pela árvore de decisão para classificação DGA podem inferir no tipo de falha através
da análise de poucos gases. Finalmente, pode-se concluir que a técnica proposta desempenha um
papel importante na melhoria da análise DGA e configura-se como uma ferramenta promissora
utilizada isloada, ou em conjunto com as técnicas tradicionais.